核心观点 - 美国五大科技巨头（微软、亚马逊、谷歌、Meta、甲骨文）正在进行一场史上最激进的算力建设计划，其2026年资本支出总额将超过4700亿美元，用于建设超过16GW的算力集群并采购超过300万枚AI芯片 [1][10][12] - 市场需求（以积压订单/RPO衡量）增速超过资本支出增速，显示算力处于供不应求状态，AI产业飞轮正循环已开启，并未过度泡沫化 [5][6][9][16][28] 资本支出规模与增长 - 2026年五大科技公司资本支出将超过4700亿美元（约合3.3万亿人民币），保守计算增速至少超过26% [1] - 2025年资本支出总额将超过3700亿美元（约合2.6万亿人民币），总增速约为64% [2] - 2024年资本支出总额仅为2208亿美元（约合1.6万亿人民币），不到2026年的一半 [2] 各公司资本支出与算力建设详情 - **微软**：预计2026财年资本支出将高达937亿美元（基于2025财年646亿美元及45.1%的增速），未来两年数据中心总规模将翻一番，位于威斯康星州的2GW算力集群将于2026年上线 [10] - **亚马逊**：预计2025年资本支出约1250亿美元，2026年将增长，过去12个月新增3.8GW算力，2025年四季度将至少上线1GW，2027年总算力将翻倍 [10] - **谷歌**：2025年资本支出预期上调至910亿-930亿美元，预计2026年将大幅增长，投资60亿美元在印度建设1GW算力中心 [11] - **Meta**：2025年资本支出预期上调至700亿-720亿美元，预计2026年增速将显著高于2025年，正在美国建设"普罗米修斯"（1GW）和"许珀里翁"（5GW）算力集群 [11] - **甲骨文**：2026财年资本支出约为350亿美元，2025年至少启动了两个1GW算力集群，包括目标容量2GW和1GW的"星际之门"项目 [11] 算力建设规模与芯片需求 - 五大科技公司目前宣布的自建1GW以上算力集群总功率超过16GW，未来6-24个月将带来超过300万枚AI芯片采购量及1600亿美元以上新增算力投入 [12] - 16GW新增算力相当于2024年全球算力供应量57GW的28%以上 [13] - 1GW算力集群可容纳20万枚英伟达GB200芯片，16GW可容纳至少300万枚，1GW算力建设成本约为100亿-200亿美元 [1][13] 市场需求与积压订单 - 积压订单（剩余履约义务/RPO）代表已签署待交付的合同，其增速超过资本支出增速，表明算力供不应求 [5][16] - 五大科技巨头积压订单总额从2022年二季度的4012亿美元增长至2025年二季度的11460亿美元，三年增速分别为14.5%、30.6%、90.7% [17] - 扣除甲骨文与OpenAI的3000亿美元大单，2025年二季度剩余履约义务总额仍达8460亿美元，同比增长41% [17] - **微软**：积压订单近4000亿美元，合同平均期限两年，资源消耗速度快 [21] - **亚马逊**：AWS积压订单达2000亿美元（不含10月新交易），产能瓶颈受限于能源和芯片 [22] - **谷歌**：谷歌云积压订单达1550亿美元，企业级AI需求强劲，预计2025年四季度和2026年供需紧张 [22] - **甲骨文**：管理层判断未来积压订单有望增长至5万亿美元，云IaaS业务营收预计未来四年大幅增长 [22] - **Meta**：算力需求不断增长，应用和广告业务算力不足，投资算力能带来更高利润 [23] 对上游芯片供应商的影响 - 英伟达88%的收入来自数据中心AI芯片，其中约一半来自所述大型科技公司和云计算厂商 [6] - 在主要客户推动下，英伟达市值于10月29日突破5万亿美元 [8] - Blackwell芯片在约三个半季度内交付600万枚，后续五个季度还有2000万枚Blackwell及下一代芯片待交付，订单规模达5000亿美元 [28] AI产业趋势与行业观点 - 从上游芯片、中游云服务到下游应用需求，算力市场形成良性循环 [9] - 科技巨头认为过度投资的风险远小于投资不足的风险，最坏情况不过是提前建设了未来资源 [32] - AI芯片迭代周期更短，训练芯片生命周期约3年，导致折旧周期缩短，算力投资需求更大 [15]

市场表现 - 市场于10月29日震荡拉升，沪指涨0.7%至4000点上方，深成指涨1.95%，创业板指涨2.93% [1] - 沪深两市成交额达2.26万亿元，较上一交易日放量1082亿元 [1] - 通信ETF（515880）收涨1.89% [1] 短期积极因素 - 中美经贸磋商取得进展，双方就解决各自关切的安排达成基本共识，涉及海事物流、造船业301措施、关税暂停期等议题 [2] - 英伟达GTC大会指引超预期，公司预计2025至2026年Blackwell-Rubin架构累计出货2000万片，对应约5000亿美元数据中心业务收入，2026年收入预期超3000亿美元 [3] - 北美云厂商三季度资本开支指引乐观，谷歌单季资本开支达239.53亿美元，全年预期上调至910-930亿美元 [5] - 谷歌25Q3合并收入1023.46亿美元，同比增长16%，净利润349.79亿美元，同比增长33%，谷歌云收入151.57亿美元，同比增长35% [5][6] - 微软FY26Q1资本开支349亿美元，超出市场预期的300亿美元，智能云收入309亿美元，同比增长28% [12][13] - Meta 25Q3收入512.42亿美元，同比增长26%，并表示2026年资本开支将显著增加 [15][17] 行业基本面与产品特征 - 通信ETF（515880）的标的指数通信设备指数（931160）中，光模块占比52.37%，服务器占比21.78%，两者合计占比达74.15% [20][21] - 该指数“服务器+光模块”合计权重达70.77%，在主流通信指数中位列第一 [21][23] - 通信设备指数（931160）今年以来涨幅达117.17%，涨幅位居同类第一 [23] - 指数中涨幅超过100%的“光模块+服务器”成分合计权重达59.54%，显著高于通信设备主题指数的53.09% [22][23] 中长期展望 - AI算力需求供不应求，OpenAI近期动作显示算力紧缺可能加剧，AI算力基建有望加速 [18] - 英伟达Rubin系列芯片放量可能衍生更多1.6T光模块等高端配件需求，谷歌TPU7等ASIC芯片出货也可能超预期 [18] - 预计明年400G以上光模块市场规模增速可能达翻倍以上 [18] - 国际宏观环境持续改善，流动性有进一步改善空间，AI有望维持基本面与资金面共振 [18]

算力需求与供给动态 - OpenAI近期动作显示算力需求供不应求，全球范围内积极采购硬件[1] - 10月22日OpenAI发布浏览器ChatGPT Atlas后，消耗的tokens数量明显增长，算力紧缺可能进一步加剧[1] - OpenAI大力融资后，AI算力基础设施建设有望加速，其他厂商有望跟进[1] 硬件市场展望 - 展望明年，英伟达Rubin系列芯片放量可能衍生出更多1.6T光模块等高端配件需求[1] - 谷歌TPU7等芯片出货也可能超出预期[1] - 算力硬件市场规模增长迅猛，以光模块为例，明年400G以上市场规模增速可能接近翻倍[1] 光模块市场与投资标的 - 在海内外算力基础设施持续投入背景下，光模块市场有望维持高景气度[1] - 截至10月24日，通信ETF（515880）规模为同类第一，其成分中“光模块+服务器+铜连接+光纤”占比超80%，良好代表算力硬件基本面[1] - 通信ETF中，光模块占比超50%，凸显其在该投资标的中的核心地位[1]

液冷行业及公司关键要点总结 行业概述 - 液冷行业当前处于快速发展阶段 主要技术路线包括双向冷板式液冷和浸没式液冷[1] - 国内液冷市场规模2023-2024年度为十几亿元 预计2024年翻倍至30亿元左右 远小于海外市场(2025年预计200-300亿元)[13] - 预计2028年国内液冷市场规模或达500亿元 水基介质在单向轮板式系统中建设成本占比低但生命周期总拥有成本高[27] 技术发展趋势 - 英伟达GB300采用全能板液冷方案 未来Rubin系列芯片可能采用两相全能板或两相耦合静默式液冷 单柜功率或达300-500千瓦[1] - 双向冷板液冷系统已迭代两轮半 核心在于解决冷却液的挥发性 低毒性及成本控制问题[4] - 未来液冷系统发展趋势包括全能版液冷与浸没式液冷两种方案 整柜成本涨幅预计1.5-1.8倍[10] - 训练端更倾向于使用冷板式液冷 推理端更适合静默式液冷[25] 成本结构 - 单向冷板机柜总成本约10万美元 硬件占30%-40%[7] - 铝制微通道虽降低材料成本 但复杂加工工艺可能抵消部分优势 连接器成本仍是主要成本[8] - 在单向轮板式液冷中 热媒成本占比约10%-20% 静默式系统中可达40%-60%[26] 公司动态 - 英伟达GB300采用全能板路线是因GB200量产遇到散热问题 GB300相比GB200只是小幅升级[11] - 阿里巴巴因自建速度慢转向租赁数据中心算力 计划三年内投资3,800亿元[2] - 字节跳动在东南亚建设10兆瓦浸没式液冷项目[15] - 华为升腾910C芯片单卡性能超过NVIDIA H100但低于Blackwell系列[16] 材料与工艺 - 液冷板或将从铜制改为铝制以降低成本 铝与氟利昂类制冷剂兼容性已通过测试验证[28] - 两相冷板流道设计更加复杂 加工难度更高 需要采用烧结或焊接等工艺[9] - 硅油作为静默试验方案具有价格优势但存在粘度问题 国内硅油运动粘度基本在9左右[31] 市场格局 - 国内主要使用H20卡 B20尚未供货 对风冷和液冷方案选择存在不确定性[14] - 腾讯采用自研的复杂冷板液冷系统(tblock) 阿里云占据超过40%的公有云市场份额[22] - 阿里张北数据中心采用英维克液冷系统 PUE可降至1.08[22] 技术挑战 - 单向静默液冷技术核心问题在于冷却介质的毒性和挥发性[24] - 134A和410A制冷剂面临淘汰 新型制冷剂基于1,233zd调和如514A 514B等[30] - 浸没式技术难度高 不易解耦 使产业生态更健康 各环节话语权更加分散[11] 其他重要信息 - 国内厂商巨化和东阳光在双向冷却液开发方面有所布局[3] - 未来双向冷板CDU将增加储液罐和气液分离器 并采用适用于氟利昂泵[5] - 流体连接系统变化不大 一次侧冷源设备只需根据需求选择不同类型降温装置[6]